LatticeFlow sammelt 12 Millionen Dollar für die Beseitigung blinder Flecken im Computerbild

Wie mir Petar Tsankov, Mitbegründer und CEO von LatticeFlow, mitteilte, hat das Unternehmen derzeit mehr als zehn Kunden in Europa und den USA, darunter eine Reihe von Grossunternehmen wie Siemens und Organisationen wie die Schweizerischen Bundesbahnen, und führt derzeit Pilotprojekte mit einer ganzen Reihe weiterer Unternehmen durch. Es ist diese Kundennachfrage, die LatticeFlow dazu veranlasst hat, an diesem Punkt zu erhöhen.

Ich war in den USA und habe mich mit einigen Investoren in Palo Alto getroffen", erklärt Tsankov. "Sie sahen den Engpass, den wir beim Onboarding von Kunden haben. Wir hatten buchstäblich Ingenieure für maschinelles Lernen, die Kunden unterstützten, und so sollte man ein Unternehmen nicht führen. Und sie sagten: 'OK, nehmt 12 Millionen Dollar, holt diese Leute rein und expandiert'. Das war sicher ein grossartiges Timing, denn als wir mit anderen Investoren sprachen, sahen wir, dass sich der Markt verändert hat."

Wie Tsankov und sein Mitbegründer und CTO Pavol Bielik feststellten, fällt es den meisten Unternehmen heute schwer, ihre Modelle in Produktion zu bringen, und wenn sie es dann tun, stellen sie oft fest, dass sie nicht so gut funktionieren wie erwartet. Das Versprechen von LatticeFlow besteht darin, dass es die Daten und Modelle automatisch diagnostizieren kann, um mögliche blinde Flecken zu finden. Bei der Zusammenarbeit mit einem grossen Medizinunternehmen wurden mit den Tools zur Analyse der Datensätze und Modelle schnell mehr als ein halbes Dutzend kritischer blinder Flecken in den modernen Produktionsmodellen gefunden.

Das Team stellte fest, dass es nicht ausreicht, nur die Trainingsdaten zu betrachten und sicherzustellen, dass eine Vielzahl von Bildern vorhanden ist - im Falle der Bildverarbeitungsmodelle, auf die sich LatticeFlow spezialisiert hat - sondern auch die Modelle zu untersuchen.

"Wenn man sich nur die Daten ansieht - und das ist ein wesentliches Unterscheidungsmerkmal für LatticeFlow, denn wir finden nicht nur die Standarddatenprobleme, wie z.B. Etikettierungsprobleme oder Stichproben von schlechter Qualität, sondern auch die Blindstellen der Modelle, d.h. die Szenarien, in denen die Modelle versagen", erklärt Tsankov. "Sobald das Modell fertig ist, können wir es nehmen, verschiedene Datenmodellprobleme finden und den Unternehmen helfen, diese zu beheben."

Er wies zum Beispiel darauf hin, dass Modelle oft versteckte Korrelationen finden, die das Modell verwirren und die Ergebnisse verfälschen können. Bei der Arbeit mit einem Versicherungskunden, der ein ML-Modell zur automatischen Erkennung von Dellen, Kratzern und anderen Schäden in Bildern von Autos verwendete, stufte das Modell ein Bild mit einem Finger darin oft als Kratzer ein. Warum? Denn in der Trainingsgruppe machten die Kunden oft eine Nahaufnahme mit einem Kratzer und zeigten mit dem Finger auf ihn. Es überrascht nicht, dass das Modell dann "Finger" mit "Kratzer" verknüpfte, selbst wenn es keinen Kratzer am Auto gab. Diese Probleme, so argumentiert das LatticeFlow-Team, gehen über die Erstellung besserer Etiketten hinaus und erfordern einen Dienst, der sowohl das Modell als auch die Trainingsdaten betrachten kann.

LatticeFlow selbst ist übrigens nicht in der Schulungsbranche tätig. Der Dienst arbeitet mit vortrainierten Modellen. Im Moment konzentriert sich das Unternehmen darauf, seinen Service als On-Prem-Tool anzubieten, obwohl es in Zukunft auch einen vollständig verwalteten Service anbieten könnte, da es die neue Finanzierung nutzt, um aggressiv neue Mitarbeiter einzustellen, sowohl um seine bestehenden Kunden besser zu betreuen als auch um sein Produktportfolio zu erweitern.

"Die schmerzliche Wahrheit ist, dass die meisten gross angelegten KI-Modelle in der realen Welt einfach nicht zuverlässig funktionieren", sagt Sunir Kapoor, Operating Partner bei Atlantic Bridge. "Dies ist vor allem auf das Fehlen von Tools zurückzuführen, die den Ingenieuren helfen, kritische KI-Daten und Modellfehler effizient zu beheben. Aber das ist auch der Grund, warum das Atlantic Bridge-Team so eindeutig die Entscheidung getroffen hat, in LatticeFlow zu investieren. Wir glauben, dass das Unternehmen für ein enormes Wachstum bereit ist, da es derzeit das einzige Unternehmen ist, das KI-Daten und -Modellfehler in grossem Umfang automatisch diagnostiziert und behebt."

Autor: Frederic Lardinois, TechCrunch
Bildquelle: LatticeFlow